Joined December 2025
- Tweets 371
- Following 71
- Followers 484
- Likes 4
82 Photos and videos
Pinned Tweet
我们团队花了半年，从零打造了一个 AI 本地量化交易平台 ～
QuantDinger 是一个由专业团队开发的 AI 驱动、本地优先量化交易平台，已完全开源。
它支持加密货币、股票、外汇全市场，一站式覆盖 AI 研究 → Python 策略开发 → 高性能回测 → 实盘执行 → 运维监控全流程。
核心亮点是：多代理 AI 研究系统 本地 RAG 统一执行层，让策略从自然语言想法快速落地成可执行代码，且所有数据和 API 密钥 100% 留在本地，隐私安全第一。
目前已稳定运行数月，我们决定把核心技术实现、架构决策和踩过的坑全部公开分享。
一、整体架构：为什么选择 Docker Compose Flask Vue 多适配器？ 我们从一开始就定下了「本地自托管、全栈一体化」的目标，避免用户在云 SaaS 和碎片化脚本之间反复切换。核心架构为：前端：Vue3 Nginx（预构建静态部署，多语言支持中英日韩越泰俄德法阿） 后端：Flask API 网关，统一调度 AI、策略、回测、执行等模块 数据层：PostgreSQL（持久化） Redis（任务队列与缓存） 执行层与数据采集层完全解耦，通过适配器支持 CCXT（crypto）、IBKR（股票）、MT5（外汇）等，任意市场挂掉也不影响整体运行。
二、AI 工程化：多 LLM 记忆 Ensemble 容错设计AI 在QuantDinger 中不是辅助工具，而是贯穿整个工作流的核心。我们开发了 MultiAIClient 调度器，可动态路由 OpenRouter、OpenAI、Gemini、DeepSeek、本地 Ollama 等多家模型，并根据每个模型能力（strategy_generation、backtest_feedback 等）智能选择。同时加入：超时自动降级 重试机制 输出结构化解析 正则清洗 本地 RAG（市场新闻 历史策略记忆）多 Agent Ensemble 互相校验 这套系统能让用户用自然语言描述策略，AI 快速生成可直接运行的 Python 代码，大幅提升研究效率。
三、策略开发：IndicatorStrategy ScriptStrategy 双模式我们支持纯 Python 原生策略，避免被 DSL 限制：1. IndicatorStrategy（向量化信号模式） —— 适合快速验证想法 python # 示例：双均线交叉策略 sma_short = df["close"].rolling(20).mean() sma_long = df["close"].rolling(50).mean() df["buy"] = (sma_short > sma_long) & (sma_short.shift(1) <= sma_long.shift(1)) df["sell"] = (sma_short < sma_long) & (sma_short.shift(1) >= sma_long.shift(1)) 2. ScriptStrategy（事件驱动模式） —— 支持 on_init、on_bar、状态机，适合复杂逻辑和精细下单控制。所有策略都支持版本快照，保证回测与实盘 100% 一致。
四、回测与执行：高性能引擎 统一 OrderIntent 层回测引擎采用向量化 多进程设计，支持参数优化和 Walk-Forward。实盘执行层是我们最满意的部分：抽象出统一的 ExecutionAdapter 策略只输出「订单意图」（OrderIntent） 执行层统一做风控、仓位管理、再路由到具体交易所/券商 目前已支持 10 家主流 crypto 交易所 IBKR MT5，后续新增适配器非常方便。
五、数据一致性与多用户支持使用 PostgreSQL 复合唯一索引 ON CONFLICT 处理重复交易记录，保证幂等性。同时支持 OAuth 多用户、角色权限、USDT 计费系统，既能个人本地部署，也支持团队/商业化自托管。
六、部署体验：真正的一键自托管我们把所有服务打包进 Docker Compose，用户只需：bash docker compose up -d --build 即可完成部署，包含健康检查、Worker 管理、环境变量配置等。完全本地运行，零 telemetry，数据永不离机。最后从最初的 idea 到现在 v3.0.1，我们团队一直坚持「本地优先、开发者体验至上、完全开源」的理念。希望 QuantDinger 能成为更多量化爱好者和团队的强大生产力工具。
欢迎大家来体验、提 Issue、一起共建！GitHub 开源地址（Star 支持一下）：github.com/brokermr810/Quant…
演示站：ai.quantdinger.com
#AI #量化交易 #开源 #Crypto #QuantTrading
9
5
31
4,518
兄弟们，有个东西我实在忍不住要跟你们念叨一下。
一个开源AI量化交易平台，悄悄就上线了，本地自部署，全链路打通，加密货币、美股、外汇全覆盖，从分析到实盘一条龙——你说气不气，这种东西两年前要么收费贵到离谱，要么根本找不到，现在直接开源扔GitHub上，大多数人却还不知道。
我看完有几个地方直接眼睛放光：
1️⃣ AI分析模块直接接OpenRouter、OpenAI、Gemini、DeepSeek，一键跨市场研究，省掉你东拼西凑的时间
2️⃣ 策略生成傻瓜化，不会写代码没关系，让AI帮你生成Python策略，零基础也能上手
3️⃣ 回测系统是专业级的，完整记录、可复现、可回放，不是那种跑完就忘的玩具
4️⃣ 实盘对接支持多家加密交易所，自动半自动随便切，不用你手动盯盘
5️⃣ 还能连IBKR做美股、MT5做外汇、Polymarket玩预测市场，一套系统全搞定
底层是Docker PostgreSQL Redis，生产级部署，稳得一批，不是那种跑个demo就出来骗星的项目。
说真的，量化这条路的门槛正在快速往下掉，工具越来越强，普通人能用上的东西越来越多。你现在不入场，等的那个“完美时机”永远不会来。
🔗 github.com/brokermr810/Quant…
17
76
287
22,264
QuantDinger 本周继续上榜，
做开源项目没有那么多捷径，更多时候就是不断开发、不断修 bug、不断听反馈、不断迭代。
QuantDinger 能被更多人看到，算是对这段时间努力的一点反馈吧。
感谢每一个关注、传播、Star 和反馈。
Jun 6
Wall Street spent billions building what GitHub is now giving away for FREE.
Those tools replacing quant teams, analysts, and expensive terminals are open-source
And they're growing faster DAILY...
Here are the hottest finance repos of this week:
> Kronos ( 1.4K ★)
Real open-source foundation model for financial candlesticks.
Trained on 45 global exchanges, imagine that.
Treats OHLCV candles as tokens, smth like GPT for price charts.
> FinceptTerminal ( 975 ★)
Bloomberg alternative that’s actually native.
C 20 Qt6, no Electron, no browser, no JS in the critical path.
37 AI agents in Buffett/Munger/Lynch/Graham style.
100 data connectors and real software for real traders.
> AI-Trader ( 439 ★)
100% agent-native trading from HKUDS.
Agents debate, collaborate, and surface trade ideas autonomously.
Copy trading, cross-platform signal sync, Polymarket paper trading.
Stocks, crypto, forex, options, futures. one architecture, all markets.
> QuantDinger ( 398 ★)
The breakout newcomer - went from zero to 7k stars in months.
Full AI quant platform for crypto, stocks, and forex.
Backtesting, live trading, market data, multi-agent research in one stack.
Vibe-trading for people who’d rather ship than wire up infra.
> NoFx ( 100 ★)
Multi-exchange AI trading platform with the best risk engineering in this list.
Tracks its own prediction accuracy: 3 consecutive misses triggers safety mode and halts execution.
LLM layer for sentiment/macro quant models for signals, fused into one scoring layer via CCXT.
> FinRL ( 86 ★)
The original financial reinforcement learning library from AI4Finance.
End-to-end: data - alpha - portfolio - execution.
Strict no-lookahead semantics, serious research-grade infrastructure.
The foundation a huge chunk of this list quietly builds on.
> prediction-market-analysis ( 31 ★)
Toolkit for analyzing Polymarket and other prediction markets.
Tracks calibration, liquidity, resolution patterns.
As prediction markets eat traditional forecasting, this becomes infrastructure.
> awesome-ai-in-finance ( 30 ★)
Canonical index of LLMs and deep learning tools in finance.
Curated list of every serious framework, dataset, and paper.
If you’re new to this space, start here.
> Honorable mentions:
TradingAgents (now 83k total) and OpenBB (68k total) are both still adding stars fast.
They’re just too big to fit the weekly leaderboard anymore.
Hope this will help.
1
183
QuantDinger 还在持续迭代中。
为了获得更完整、更稳定的体验，建议大家直接从 GitHub 拉取最新版本安装使用。
旧版本可能会遇到部分功能、依赖、配置和文档不一致的问题，最新版会持续修复和优化。
GitHub 页面上有我们的联系方式。
安装部署、策略回测、参数调优、接口接入、实盘配置等技术问题，都欢迎提 Issue 或直接交流。
开源项目不是一次性发布，而是不断被真实用户使用、反馈、打磨。
如果你觉得项目有价值，欢迎给一个 Star ⭐
让这个持续开发的开源 AI 量化项目，被更多人看见。
github.com/brokermr810/Quant…
#QuantDinger #开源量化 #AI量化 #量化交易 #GitHub
1
182
大多数人以为做量化，是找到一个“历史收益最高”的参数。
但真正专业的策略系统，从来不是追求一条漂亮的回测曲线，而是先问一个更残酷的问题：
这组参数，离开训练集之后，还能不能活下来？
QuantDinger 的策略调参，已经支持 IS/OOS 样本切分：
前 70% 用来训练参数，后 30% 用来验证泛化能力。
同时支持网格搜索、随机搜索、差分进化、贝叶斯/TPE 等多种优化方式。
这意味着，策略不再只是“回测赚钱”，而是开始进入真正的工程化验证流程：
训练 → 寻优 → 样本外验证 → 过拟合识别 → 再考虑实盘。
量化交易的门槛，不应该停留在会写几个指标。
真正的门槛，是能不能把一个策略，从想法，变成可验证、可复现、可迭代的系统。
这也是 QuantDinger 想做的事。
#QuantDinger #开源量化 #AI量化 #量化交易 #策略回测
1
1
220
想象一下三年后：交易不再是盯着屏幕或对每一个价格波动做出反应。而是设定目标、明确界限，然后让人工智能来处理执行、风险和优化。你将成为策略师、投资组合管理者和价值创造者——而机器则负责操作细节。积累的是知识，而不仅仅是资金。
#QuantDinger
265
QuantDinger 正在构建下一代量化交易的开源人工智能基础设施层。
我们通过人工智能代理、回测、风险控制和实时执行，将交易理念转化为可执行的策略，从而帮助个人、团队和金融科技公司更快、更经济地推出他们自己的人工智能驱动的量化系统。
1
1
227
QuantDinger （开源AI量化交易） retweeted
May 27
量化交易的门槛，
正被一个开源项目彻底击穿。
GitHub 上最近出现了一个叫 QuantDinger 的项目，
短短几天就收获了 6000 多个 Star。
它不只是一套普通的交易工具，
而是一个具备自我进化能力的 AI 交易员。
无论是国内外股票、期货，
还是加密货币、外汇，
它的交易雷达都能 24 小时扫描全球机会，
并把信号实时推送到你的手机上。
支持实盘数据。
真正厉害的，不只是自动执行，
而是它能像一位真正的交易员那样自主工作：
自动生成策略代码，
自动完成回测，
甚至根据历史收益、风险等数据，
借助大模型持续优化参数，
让策略更加稳健。
更令人惊讶的是，
它支持 Docker 一键私有化本地部署，
即便不懂代码也能轻松上手，
确实非常友好。
57
127
514
36,778
QuantDinger （开源AI量化交易） retweeted
May 25
开源 AI 量化操作系统
上次全真开会听 @damobianyuan 老师讲量化，后面又陆续看了很多他写的帖子，我就开始对量化感兴趣。苦于门槛高，一时导致无法下手。
万幸今天我在github发现了一个开源 AI 量化交易系统，这个工具可以图表研究、AI 市场分析、Python 指标与策略、回测与实盘执行。而且很安全---跑在你自己的机器上，用你自己的 API 密钥。
仓库：github.com/brokermr810/Quant… 6.4 Star
多说一句，加密货币是这个工具的核心功能之一，除此之外还有美股~~~
我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～
May 24
视频去水印神器，支持大部分平台
想搬运视频但是害怕水印限流或者被举报？
这个工具帮你解决问题：v2ob.com/douyin
用法特别简单，直接复制进去视频链接就行了。
支持抖音，小红书，快手，西瓜，皮皮虾，Bilibili，ACfun，头条等等几十个资源网站。
现在推特做泛流量这是必不可少的工具，以后视频再也不怕限流了。
我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～
72
8
62
22,415
连续五周上榜GitHub金融增长最快的榜单，欢迎大家测评，提交PR，如果觉得项目不错，star支持一下！
github.com/brokermr810/Quant…
2
2
1,360
把交易决策拆成一支 LLM 投研团队， 串起分析师、正反方研究员、交易员、风控和组合经理，开源的这个AI多agent,多模型的量化系统真是太方便了！
1
1
667
QuantDinger （开源AI量化交易） retweeted
May 23
the fastest growing GitHub repos in finance this week:
1. TauricResearch / TradingAgents ( 3,500 ⭐)
A multi-agent LLM framework for financial trading: multiple AI agents (analyst, risk manager, trader) collaboratively make investment decisions based on news and market data.
2. brokermr810 / QuantDinger ( 989 ⭐)
An AI-powered quantitative trading platform for crypto, stocks, and forex: backtesting, live trading, multi-agent market research, with support for Binance, Alpaca, and MT5.
3. himself65 / finance-skills ( 510 ⭐)
A collection of AI skills for financial analysis and trading: ready-to-use tools for agents (Claude Code, MCP) as technical analysis, stock valuation, financial report parsing.
4. OpenBB-finance / OpenBB ( 200 ⭐)
An open-source financial analysis platform with AI agent support: data on stocks, crypto, derivatives, and macro indicators; Python SDK terminal; a Bloomberg alternative for developers.
5. ericosiu / ai-marketing-skills ( 107 ⭐)
Open-source AI skills for marketing and finance automation: growth experiments, sales pipeline, SEO, outbound, and financial ops. All powered by AI agents.
6. AI4Finance-Foundation / FinGPT (20,300 ⭐)
Open-source financial large language models: fine-tuned LLMs on financial data, sentiment analysis, robo-advisor, technical analysis; models published on HuggingFace.
7. microsoft / qlib (43,400 ⭐)
Microsoft's AI-oriented quantitative investment platform: end-to-end pipeline from idea to strategy execution; machine learning for quant research, backtesting, and live trading.
8. AI4Finance-Foundation / FinRL (15,200 ⭐)
A reinforcement learning framework for finance: automated trading strategies, portfolio management, training agents on real market data.
9. KylinMountain / TradingAgents-AShare ( 80 ⭐)
A multi-agent investment research system for the Chinese A-Share stock market: 15 AI agents simulating an investment bank workflow — debates, visualization, integration with Claude Code.
10. Lumiwealth / lumibot (1,592 ⭐)
Backtestable AI trading agents: support for stocks, options, crypto, futures, and forex; integrations with Interactive Brokers and Alpaca; LLM agents for SEC filing analysis and macro data.
bookmark this and start today.
May 16
the fastest growing GitHub repos in finance this week:
1. TradingAgents ( 3,822 ★)
multi-agent LLM trading framework built for financial research and execution. combines analyst agents, sentiment models, portfolio reasoning, and provider integrations into a single trading stack.
2. AI-Trader ( 2,434 ★)
fully automated agent-native trading system. built around autonomous decision-making, price fetching, execution, and monitoring workflows. focused on end-to-end AI-driven trading infrastructure.
3. scientific-agent-skills ( 2,286 ★)
plug-and-play agent skills for finance, research, science, engineering, and writing. integrates with multiple agent frameworks and supports web research, bioinformatics, cheminformatics, and analysis pipelines.
4. daily_stock_analysis ( 1,272 ★)
LLM-powered stock analysis platform covering US, Hong Kong, and Chinese equities. combines market data, real-time news, AI dashboards, automated reporting, and multi-channel notifications with near-zero operating cost.
5. QuantDinger ( 1,242 ★)
AI quantitative trading platform for crypto, stocks, and forex. includes live trading, strategy backtesting, market analytics, and broker integrations. built for traders experimenting with AI-assisted quant workflows.
6. Vibe-Trading ( 1,148 ★)
personal AI trading agent focused on algorithmic trading and backtesting. combines lightweight automation with agent-style portfolio management and strategy experimentation.
7. FinceptTerminal ( 878 ★)
modern open-source finance terminal inspired by Bloomberg-style workflows. provides market analytics, investment research, trading tools, and AI-powered financial infrastructure in one interface.
8. TradingAgents-CN ( 739 ★)
Chinese-enhanced version of TradingAgents. adapts the multi-agent LLM trading framework for Chinese financial markets, datasets, and workflows. rapidly growing among Chinese quant and AI communities.
9. last30days-skill ( 694 ★)
AI agent skill for researching trends across Reddit, X, YouTube, Hacker News, Polymarket, and the broader web. designed for signal discovery, narrative tracking, and internet-wide monitoring.
10. qlib ( 680 ★)
Microsoft’s AI-oriented quant investment platform. covers the entire quant pipeline from data collection to alpha generation, portfolio construction, and execution. still one of the strongest open-source quant ecosystems available.
bookmark this and start today.
32
35
234
150,763
我们团队花了半年，从零打造了一个 AI 本地量化交易平台 ～
QuantDinger 是一个由专业团队开发的 AI 驱动、本地优先量化交易平台，已完全开源。
它支持加密货币、股票、外汇全市场，一站式覆盖 AI 研究 → Python 策略开发 → 高性能回测 → 实盘执行 → 运维监控全流程。
核心亮点是：多代理 AI 研究系统 本地 RAG 统一执行层，让策略从自然语言想法快速落地成可执行代码，且所有数据和 API 密钥 100% 留在本地，隐私安全第一。
目前已稳定运行数月，我们决定把核心技术实现、架构决策和踩过的坑全部公开分享。
一、整体架构：为什么选择 Docker Compose Flask Vue 多适配器？
我们从一开始就定下了「本地自托管、全栈一体化」的目标，避免用户在云 SaaS 和碎片化脚本之间反复切换。
核心架构为：前端：Vue3 Nginx（预构建静态部署，多语言支持中英日韩越泰俄德法阿） 后端：Flask API 网关，统一调度 AI、策略、回测、执行等模块
数据层：PostgreSQL（持久化） Redis（任务队列与缓存） 执行层与数据采集层完全解耦，通过适配器支持 CCXT（crypto）、IBKR（股票）、MT5（外汇）等，任意市场挂掉也不影响整体运行。
二、AI 工程化：多 LLM 记忆 Ensemble 容错设计AI 在QuantDinger 中不是辅助工具，而是贯穿整个工作流的核心。
我们开发了 MultiAIClient 调度器，可动态路由 OpenRouter、OpenAI、Gemini、DeepSeek、本地 Ollama 等多家模型，并根据每个模型能力（strategy_generation、backtest_feedback 等）智能选择。
同时加入：超时自动降级 重试机制 输出结构化解析 正则清洗 本地 RAG（市场新闻 历史策略记忆）多 Agent Ensemble 互相校验 这套系统能让用户用自然语言描述策略，AI 快速生成可直接运行的 Python 代码，大幅提升研究效率。
三、策略开发：IndicatorStrategy ScriptStrategy 双模式我们支持纯 Python 原生策略，避免被 DSL 限制：1. IndicatorStrategy（向量化信号模式） —— 适合快速验证想法
python # 示例：双均线交叉策略 sma_short = df["close"].rolling(20).mean() sma_long = df["close"].rolling(50).mean() df["buy"] = (sma_short > sma_long) & (sma_short.shift(1) <= sma_long.shift(1)) df["sell"] = (sma_short < sma_long) & (sma_short.shift(1) >= sma_long.shift(1))
2. ScriptStrategy（事件驱动模式） —— 支持 on_init、on_bar、状态机，适合复杂逻辑和精细下单控制。所有策略都支持版本快照，保证回测与实盘 100% 一致。
四、回测与执行：高性能引擎 统一 OrderIntent 层回测引擎采用向量化 多进程设计，支持参数优化和 Walk-Forward。
实盘执行层是我们最满意的部分：抽象出统一的 ExecutionAdapter 策略只输出「订单意图」（OrderIntent） 执行层统一做风控、仓位管理、再路由到具体交易所/券商 目前已支持 10 家主流 crypto 交易所 IBKR MT5，后续新增适配器非常方便。
五、数据一致性与多用户支持使用 PostgreSQL 复合唯一索引 ON CONFLICT 处理重复交易记录，保证幂等性。同时支持 OAuth 多用户、角色权限、USDT 计费系统，既能个人本地部署，也支持团队/商业化自托管。
六、部署体验：真正的一键自托管我们把所有服务打包进 Docker Compose，用户只需：bash docker compose up -d --build 即可完成部署，包含健康检查、Worker 管理、环境变量配置等。
完全本地运行，零 telemetry，数据永不离机。最后从最初的 idea 到现在 v3.0.1，我们团队一直坚持「本地优先、开发者体验至上、完全开源」的理念。
希望 QuantDinger 能成为更多量化爱好者和团队的强大生产力工具。
欢迎大家来体验、提 Issue、一起共建！GitHub 开源地址（Star 支持一下）：github.com/brokermr810/Quant…
2
7
3,257
Overnight trending on GitHub, this powerful financial tool
1
1
1,369
不会部署的朋友可以参考下这篇文章！更机智的朋友也可以让龙虾直接帮忙部署哈
1
397
为什么很多策略回测赚钱，实盘却一直亏？
其实不一定是策略完全失效，而是很多人忽略了这几点：
1️⃣ 回测跑的是历史行情
历史行情已经发生了，趋势、波动、极端行情都已经摆在那里。
但实盘面对的是未知市场，行情不会按照回测里的节奏重复一遍。
2️⃣ 回测结果不等于实盘结果
回测通常忽略了滑点、手续费、成交延迟、盘口深度、网络延迟、交易所异常等问题。
这些在回测里可能只是小误差，但在高频交易、短周期策略里，足够把利润吃掉。
3️⃣ 你是否真的坚持跑完一个周期？
很多人回测看的是几个月甚至几年的数据，
但实盘跑了三天、一周，一亏钱就关掉。
策略都有适应周期，不能只接受盈利阶段，却承受不了正常回撤。
4️⃣ 仓位是否合理？
回测里满仓梭哈看起来收益很高，
但实盘中一次连续亏损就可能让心态崩掉。
真正能长期跑的策略，首先要让你活下来。
5️⃣ 止损是否在自己能承受的范围内？
止损不是为了证明策略错了，
而是为了防止一次错误把账户打穿。
如果一次止损已经让你睡不着，那说明仓位太重，不是策略的问题。
6️⃣ 有没有过度拟合？
很多策略在历史数据上非常漂亮，
但那只是“背答案”。
参数调得越完美，越可能只适合过去，不适合未来。
7️⃣ 执行纪律比策略本身更难
回测不会恐惧，也不会贪婪。
但实盘中，人会提前止盈、扛单、不敢开仓、频繁改参数。
很多亏损不是策略亏的，是执行亏的。
220
别再看那些空泛的研报了。
我们开源的量化工具，直接给你可参考落地的交易决策。
多维度数据 多模型验证一键输出完整投研 交易方案：
✅ 四维评分模型：技术面/基本面/市场情绪/综合评分
✅ 多周期趋势预判：24h/3d/1w/1m 强弱多空一目了然
✅ 精准交易点位：入场价/止盈止损/支撑阻力位（基于ATR波动率）
✅ 核心逻辑 风险提示：每一个信号都有数据支撑 从全维度分析到可执行策略，一步到位。 #QuantTrading #AIFinance #OpenSourceTrading
2
324